Aplikasi Minitab Dalam Perancangan Percobaan Marzuki

Bahan bacaan penunjang kuliah
A AP PL LI IK KA AS SI I M MI IN NI IT TA AB B D DA AL LA AM M P PE ER RA AN NC CA AN NG GA AN N
P PE ER RC CO OB BA AA AN N D DI I B BI ID DA AN NG G A AG GR RO ON NO OM MI I

Oleh:

I. Marzuki

FAKULTAS PERTANIAN
UNIVERSITAS PATTIMURA

AMBON

2005

2
2
Kata Pengantar

K Ka am mi i m me em ma an nj ja at tk ka an n p pu uj ji i d da an n s sy yu uk ku ur r k ke e h ha ad di ir ra at t A Al ll la ah h S SW WT T a at ta as s s se el le es sa ai in ny ya a p pe en nu ul li is sa an n
b bu uk ku u i in ni i. .
B Bu uk ku u i in ni i d di im ma ak ks su ud dk ka an n u un nt tu uk k m me em mb be er ri ik ka an n p pe en ng ge et ta ah hu ua an n p pr ra ak kt ti is s b ba ag gi i m ma ah ha as si is sw wa a
P Pe er rt ta an ni ia an n ( (A Ag gr ro on no om mi i) ) m me en ng ge en na ai i a ap pl li ik ka as si i M Mi in ni it ta ab b d da al la am m a an na al li is si is s d da at ta a p pe er rc co ob ba aa an n. . A Ag ga ar r
d da ap pa at t m me em ma ah ha am mi i d de en ng ga an n b ba ai ik k b bu uk ku u i in ni i, , m ma ah ha as si is sw wa a p pe er rl lu u m me em mi il li ik ki i p pe en ng ge et ta ah hu un na an n y ya an ng g
c cu uk ku up p t te en nt ta an ng g s st ta at ti is st ti ik ka a p pa ar ra am me et tr ri ik k d da an n P Pe er ra an nc ca an ng ga an n P Pe er rc co ob ba aa an n. . D Di i s sa am mp pi in ng g i it tu u, ,
m ma ah ha as si is sw wa a j ju ug ga a h ha ar ru us s s su ud da ah h t ti id da ak k a as si in ng g d de en ng ga an n p pr ro og gr ra am m- -p pr ro og gr ra am m k ko om mp pu ut te er r a ap pl li ik ka as si i
s se ep pe er rt ti i m mi is sa al ln ny ya a E Ex xc ce el l. .
M Ma at te er ri i y ya an ng g d di is su us su un n d da al la am m b bu uk ku u i in ni i d di ip pe er rs si ia ap pk ka an n s se eb ba ag ga ai i b ba ah ha an n p pe en nu un nj ja an ng g k ku ul li ia ah h
P Pe er ra an nc ca an ng ga an n P Pe er rc co ob ba aa an n. . B Ba ag gi i m ma ah ha as si is sw wa a t ti in ng gk ka at t a ak kh hi ir r y ya an ng g s se ed da an ng g m me em mp pe er rs si ia ap pk ka an n
r re en nc ca an na a p pe en ne el li it ti ia an n, , b bu uk ku u i in ni i d da ap pa at t m me em mb ba an nt tu u d di im ma an na a d di i d da al la am mn ny ya a t te er rd da ap pa at t c co on nt to oh h- -c co on nt to oh h
h ha as si il l p pe er rc co ob ba aa an n b be er ri ik ku ut t a an na al li is si is s d da at ta a d da an n i in nt te er rp pr re et ta as si in ny ya a. .
A Ag ga ar r p pr ro og gr ra am m M Mi in ni it ta ab b d da ap pa at t d di ip pr ra ak kt ti ik kk ka an n s se ec ca ar ra a l la an ng gs su un ng g o ol le eh h m ma ah ha as si is sw wa a m ma ak ka a d di i
d da al la am m b bu uk ku u i in ni i d di is se er rt ta ak ka an n C CD D p pr ro og gr ra am m b be er ri ik ku ut t b be eb be er ra ap pa a c co on nt to oh h f fi il le e d da at ta a. .
S Se em mo og ga a b bu uk ku u i in ni i m me em mb be er ri ik ka an n m ma an nf fa aa at t. .

T Te er ri im ma a k ka as si ih h. .

M MA Ar r

3
3
A. PENGANTAR MINITAB
Minitab adalah program komputer untuk manajemen data dan analisis statistik.
Minitab yang digunakan dalam tulisan ini adalah Minitab versi 13 yang bekerja di bawah
sistem operasi Windows.
Minitab memiliki tiga jendela atau window: Session, Project Manager, dan
Worksheet. Jendela Session berfungsi menuliskan perintah-perintah dan/atau melihat
hasil analisis. Jendela Project Manager mengatur jendela, grafik, worksheet, dokumen,
dan informasi lainnya. Sementara untuk mengentri dan manipulasi data dilakukan di
jendela Worksheet. Jendela ini mirip dengan worksheet program Excel.
Terdapat beberapa tipe file yang ditangani Minitab yaitu: Minitab saved worksheet
(MTW), Lotus 1-2-3 (WK?), Minitab portable worksheet (MTP), dBASE (DBF), Excel
(XLS), FoxPro (dBASE format), Quattro Pro (WB1,WQ1), dan Text file (TXT, DAT).
Untuk mempersiapkan data di luar sistem Minitab, pengguna dapat memilih progam
Excel atau Notepad.
Untuk keperluan perancangan percobaan, Minitab menyediakan fasilitas analisis
statistik antara lain Analisis Ragam (ANOVA), Analisis Peragam (ANCOVA), Uji
Pembandingan Rata-rata, Analisis Regresi dan Korelasi, dan Uji nonparametrik.

Gambar 1. Tampilan jendela Session dan Worksheet Minitab.

4
4

Gambar 2. Kotak prosedur ANOVA Rancangan Acak Kelompok.

Gambar 2 di atas memperlihatkan kotak Response, Row factor, dan Column faktor
ANOVA Rancangan Acak Kelompok. Kotak Response untuk variabel respon, kotak
Row factor untuk faktor perlakuan, dan kotak Column factor dengan faktor kelompok.
Kotak Display means diconteng bila ingin menampilkan nilai rata-rata respon menurut
perlakuan dan/atau kelompok.
Untuk melakukan analisis ragam beberapa variabel respon sekaligus digunakan
prosedur ANOVA GLM.

B. PRINSIP-PRINSIP PERANCANGAN PERCOBAAN
Secara umum dikenal dua tipe penelitian, penelitian eksperimen (experimental research)
dan penelitian survei (survay research). Penelitian eksperimen dapat berbentuk percobaan
laboratorium atau lapangan dan ujicoba (trial). Di bidang Agronomi tipe penelitian eksperimen
paling sering digunakan meskipun survei kadang-kadang diperlukan. Penelitian ujicoba umum di
bidang peternakan dan kedokteran hewan. Setiap penelitian, apapun bentuknya, selalu
menggunakan pendekatan atau prosedur ilmiah.
Percobaan Agronomi juga menggunakan prosedur ilmiah melalui perancangan percobaan
(experimental design). Pada dasarnya rancangan percobaan memiliki tiga unsur pokok: Ulangan,
Pengacakan, dan Pengendalian Lingkungan. Ulangan dan Pengacakan adalah dua unsur yang
harus ada dalam setiap percobaan. Pengendalian Lingkungan percobaan dapat dilakukan bila
diperlukan. Unsur ini bila dimasukkan dalam percobaan dapat meningkatkan ketelitian.
Setiap percobaan dicirikan oleh unsur-unsur berikut.
perlakuan (treatment)
ulangan (replication)
pengacakan (randomization)
pengelompokan (blocking)
satuan percobaan (experimental unit)
respon (response)

5
5

Perlakuan adalah sesuatu yang diberikan pada satuan percobaan yang hendak diukur
pengaruhnya. Perlakuan ini dapat berupa dosis pupuk, varietas tanaman, kondisi lingkungan, atau
kombinasinya. Kombinasi dua atau lebih perlakuan akan membentuk percobaan faktorial.
Bila perlakuan yang sama diberikan/diterapkan lebih dari sekali pada satuan percobaan
maka ulangan telah dilakukan. Setiap perlakuan sedikitnya memiliki dua ulangan. Dalam
percobaan agronomi ulangan biasanya tidak kurang dari tiga.
Dalam merancang suatu percobaan harus dipastikan setiap satuan percobaan memiliki
peluang yang sama untuk mendapatkan atau dikenai perlakuan tertentu. Prinsip ini
menggambarkan unsur pengacakan perlakuan. Kalau prinsip ini dilanggar penelitian tersebut
tidak sahih dan menghasilkan kesimpulan yang berbias.
Bila bahan percobaan (tanaman, tanah, atau bibit) memperlihatkan keragaman internal
yang nyata, sebaiknya bahan-bahan ini dikelompokkan ke dalam satuan-satuan yang lebih
homogen. Kaidah pengelompokan adalah memperkecil variasi dalam kelompok, dan
memperbesar variasi antar kelompok. Bahan-bahan percobaan dapat dikelompokkan ke dalam
satu arah, seperti pada Rancangan Acak Kelompok atau dua arah seperti pada Rancangan Bujur
Sangkar Latin. Pengelompokan bahan-bahan percobaan haruslah didasarkan pada suatu
karakteristik atau sifat yang secara nyata dapat diamati atau diukur. Misalnya pengelompokan
bahan tanaman berdasarkan umur, tinggi, sumber benih atau sifat-sifat bahan lainnya yang dapat
diamati.
Satuan percobaan adalah satuan bahan percobaan dimana perlakuan diterapkan atau
diberikan. Satuan percobaan dapat berupa beberapa rumpun tanaman dalam petakan, satu
tanaman dalam pot, atau hanya sehelai daun. Satuan percobaan ditetapkan berdasarkan tujuan
penelitian dan variabel respon yang diamati.
Respon adalah sifat atau karakteristik satuan percobaan yang diukur atau diamati sebagai
variabel tak bebas (dependent variable).
Pada dasarnya rancangan percobaan tersusun dari tiga bagian: rancangan perlakuan,
rancangan lingkungan, dan rancangan pengukuran. Rancangan perlakuan berkaitan dengan
bagaimana perlakuan-perlakuan dibentuk dan oleh karenanya dikenal percobaan satu-faktor dan
percobaan dua-faktor atau lebih. Percobaan yang melibatkan dua faktor atau lebih disebut
percobaan faktorial. Faktor-faktor ini satu sama lain dapat bersilang (crossed), tersarang (nested),
atau campuran (mixed). Satu faktor dalam percobaan dapat bersifat tetap (fixed model) atau acak
(random model). Percobaan yang melibatkan faktor bersilang dan tersarang membentuk
perlakuan model campuran (mixed model). Umumnya percobaan Agronomi faktor-faktornya
bersifat tetap, kecuali disebutkan lain.
Rancangan lingkungan menggambarkan bagaimana perlakuan ditempatkan dalam satuan
percobaan dan karenanya dikenal Rancangan Acak Lengkap (RAL), Rancangan Acak Kelompok
(RAK), Rancangan Busur Sangkar Latin (RBSL), Rancangan Petak Terbagi (RPT), Rancangan
Blok Terbagi (RBT), Rancangan Kisi (RK), dan rancangan turunan lainnya.
Rancangan pengukuran menentukan bagaimana respon diambil dan diamati.
Tahapan umum dalam melakukan percobaan adalah:
(1) Menetapkan masalah
(2) Menetapkan tujuan
(3) Memilih perlakuan
(4) Memilih bahan percobaan

6
6
(5) Memilih rancangan percobaan
(6) Memilih satuan pengamatan dan jumlah ulangan
(7) Melakukan percobaan
(8) Analisis data dan interpretasi
(9) Pembuatan laporan.

Hasil percobaan umumnya diarahkan pada prosedur analisis ragam atau ANOVA. Bila
mengikutkan variabel peragam dapat dilakukan analisis peragam ANCOVA. Hasil analisis
biasanya ditampilkan dalam bentuk tabel ANOVA. Dalam percobaan Agronomi selain analisis
ragam/peragam juga sering diperlukan analisis Regresi dan Korelasi untuk mengetahui bentuk
hubungan variabel.
Untuk mengetahui perlakuan mana saja yang berpengaruh terhadap respon dilakukan
pengujian lebih lanjut menggunakan uji Pembandingan Nilai Rata-Rata (mean comparison).

C. JENIS-JENIS RANCANGAN PERCOBAAN

1. Rancangan Acak Lengkap (RAL)
Rancangan ini tergolong yang paling sederhana, digunakan bila bahan-bahan
percobaan relatif seragam atau homogen. RAL sering dipakai dalam percobaan pada
lingkungan yang (relatif) terkendali seperti percobaan laboratorium atau rumahkaca.

Pengacakan dan Layout
Pengacakan perlakuan dilakukan hanya sekali untuk seluruh satuan percobaan.
Banyaknya ulangan dalam setiap perlakuan tidak mesti sama meskipun jumlah ulangan
yang sama lebih memudahkan dalam analisis data.

Layout RAL 5 perlakuan (A, B, C, D, E) dan empat ulangan adalah seperti berikut.
B1 A2 B2 C1 D3
B3 C2 D2 E2 E3
C3 B4 E1 A4 D1
C4 A3 A1 D4 E4

Analisis Ragam
Terdapat dua sumber keragaman dalam RAL yaitu keragaman yang terjadi karena
perlakuan dan keragaman antar satuan percobaan yang mendapat perlakuan sama.
Keragaman yang kedua ini disebut galat percobaan (experimental error). Oleh karena itu,
tabel ANOVA RAL memiliki dua komponen keragaman, perlakuan dan galat. Tabel
analisis ragam RAL ulangan sama tampak seperti berikut.

7
7
Sumber
keragaman
Derajat bebas
(db)
Jumlah Kuadrat
(JK)
Kuadrat Tengah
(KT)
F
hitung

Perlakuan (P) t-1 JKP KTP KTP/KTG
Galat (G) t (r-1) JKG KTG -
Total (T) tr -1 JKT - -
t = banyaknya perlakuan (P); r = banyaknya ulangan.

2. Rancangan Acak Kelompok (RAK)
RAK merupakan pengembangan dari RAL dimana terdapat pengelompokan satuan-
satuan percobaan. RAK dimaksudkan untuk mengatasi kesulitan mendapatkan bahan-
bahan percobaan yang seragam dalam jumlah cukup besar.
Pengelompokan dalam RAK dilakukan dengan mengumpulkan satuan-satuan
percobaan ke dalam kelompok-kelompok yang (relatif) homogen. Dasar pengelompokan
adalah suatu sifat atau atribut seperti misalnya perbedaan umur tanaman, asal benih, atau
perbedaan kesuburan tanah.
Di lapangan, pengelompokan dapat berupa pembagian lahan ke dalam blok-blok
menurut perbedaan elevasi atau kemiringan lahan.

Setelah satuan-satuan percobaan dikelompokkan ke dalam kelompok yang
dikehendaki, perlakuan kemudian diterapkan secara acak pada setiap kelompok.
Pengacakan dilakukan sesuai banyaknya kelompok yang dibentuk.
Berikut adalah contoh layout RAK 6 perlakuan (T1 sampai T6) dan 3 ulangan.

Kelompok 1 T1 T6 T5 T2 T4 T3
Perhatikan layout di atas semua perlakuan ada di setiap kelompok.
Analisis Ragam
Dalam RAK terdapat tiga sumber keragaman: perlakuan, pengelompokan, dan galat.
Pengertian kelompok dalam RAK sama dengan ulangan. Tabel analisis ragam RAK
seperti berikut.

Sumber
keragaman
Derajat bebas
(db)
Jumlah Kuadrat
(JK)
Kuadrat Tengah
(KT)
F
hitung

Perlakuan t-1 JKP KTP KTP/KTG
Kelompok r-1 JKK KTK KTK/KTG
Galat (t-1) (r-1) JKG KTG -
Total tr -1 JKT - -

8
8

3. Rancangan Bujur Sangkar Latin (RBSL)
Rancangan ini merupakan pengembangan dari RAK dimaksudkan untuk mengatasi
kesulitan keragaman bahan atau kondisi percobaan yang disebabkan oleh dua arah
(sumber) sekaligus. Oleh karena itu, perlakuan dikelompokan dalam dua arah, baris dan
lajur. Pengelompokan dua arah ini juga didasarkan pada sifat bahan atau kondisi
lingkungan percobaan. Bila arah datangnya sinar matahari (timur dan barat) misalnya,
dianggap berpengaruh terhadap percobaan maka pengelompokan arah timur dan barat
dapat dipertimbangkan.
Dalam percobaan Agronomi, pengertian baris dapat berupa kemiringan lahan, dan
lajur dapat berarti arah datangnya angin.
Pada RBSL banyaknya perlakuan harus sama dengan banyaknya baris, lajur, dan
ulangan. Kemudian setiap perlakuan hanya boleh muncul sekali dalam setiap baris dan
lajur. Dengan persyaratan seperti ini RBSL menjadi tidak efisien bila banyaknya
perlakuan bertambah.

Pertama, perlakuan ditempatkan secara acak dalam arah baris dan kemudian dalam
arah lajur dengan tetap mengingat bahwa tidak boleh perlakuan yang sama berada dalam
baris atau lajur yang sama. Untuk memudahkan pengacakan pada RBSL dapat
menggunakan bantuan tabel pengacakan yang biasanya terlampir dalam buku-buku
Rancangan Percobaan.
Berikut adalah contoh layout RBSL 4 perlakuan (A, B, C, D).

B C D A
L
a
j
u
r

A D B C
D A C B
C B A D
Baris
Perhatikan tidak ada perlakuan yang sama dalam arah baris maupun lajur.

Analisis Ragam
Terdapat empat sumber keragaman pada RBSL: perlakuan, baris, lajur, dan galat.
Tabel analisis ragam RBSL adalah seperti berikut.
Sumber
keragaman
Derajat bebas
(db)
Jumlah Kuadrat
(JK)
Kuadrat Tengah
(KT)
F
hitung

Perlakuan r-1 JKP KTP KTP/KTG
Baris r-1 JKB KTB KTB/KTG
Lajur r-1 JKL KTL KTL/KTG
Galat (r-1) (r-2) JKG KTG -
Total r
2
-1 JKT - -

9
9
4. Percobaan Faktorial
Percobaan faktorial merupakan percobaan yang melibatkan dua faktor atau lebih.
Setiap faktor minimal mempunyai dua taraf. Tujuan utama percobaan faktorial adalah
untuk mengetahui pengaruh satu faktor pada berbagai taraf faktor lainnya terhadap
respon. Bagian yang diutamakan dalam percobaan faktorial adalah pengaruh interaksi.
Misalkan faktor A terdiri atas tiga taraf (a1, a2, a3) dan faktor B dengan 2 taraf (b1,
b2) maka banyaknya kombinasi perlakuan faktorial yang dapat disusun adalah 3x2 = 6.

Respon Respon

a1 a2 a3 a1 a2 a3
(1) (2)

Gambar (1) menunjukkan faktor A dan B yang tidak berinteraksi; Gambar (2)
memperlihatkan A dan B beinteraksi.
Kelebihan percobaan faktorial adalah kemampuannya mendeteksi respon dari taraf
masing-masing faktor (pengaruh utama) dan interaksi antara dua faktor (pengaruh
sederhana). Dua faktor atau lebih juga dapat menghasilkan formasi faktorial dalam
bentuk RPT dan RBT.

4.1. Percobaan faktorial RAL dua faktor
Percobaan faktorial dua faktor yang menggunakan rancangan lingkungan RAL
menghendaki satuan-satuan percobaan yang (relatif) homogen seperti halnya pada RAL
satu faktor.

Setelah semua kombinasi taraf dari faktor dibentuk, kemudian pengacakan dilakukan
dengan prosedur yang sama seperti pengacakan percobaan RAL satu faktor. Untuk
percobaan dua faktor misalkan, A dan B, dimana keduanya memiliki tiga taraf (a1, a2, a3
dan b1, b2, b3) maka banyaknya kombinasi perlakuan yang dapat dibentuk adalah
sembilan.
(a1b1) (a1b2) (a1b3)
(a2b1) (a2b2) (a2b3)
(a3b1) (a3b2) (a3b3)
b1
b2
b1

b2
b1
b2

10
10
Pengacakan dan layout semua kombinasi perlakuan di atas dengan tiga ulangan dapat
disusun sebagai berikut. Subskrip menunjukkan nomor ulangan.

(a1b2)
1
(a2b3)
1
(a3b2)
2
(a1b1)
1
(a1b3)
1
(a3b2)
2
(a1b3)
2
(a2b1)
3
(a3b3)
2
(a2b2)
1
(a1b2)
2
(a2b3)
2
(a3b1)
3
(a2b1)
2
(a3b3)
1
(a2b3)
3
(a3b1)
2
(a3b1)
1
(a2b2)
2
(a2b2)
3
(a1b1)
2
(a2b1)
1
(a1b1)
3
(a3b2)
3
(a1b3)
3
(a1b2)
3
(a3b3)
3

Analisis Ragam
Terdapat empat sumber keragaman pada percobaan faktorial RAL dua faktor yaitu:
faktor A, faktor B, interaksi AB, dan galat. Untuk percobaan faktorial dimana kedua
faktornya tetap (fixed), tabel ANOVA-nya adalah sebagai berikut.

Sumber
keragaman
Derajat bebas
(db)
Jumlah Kuadrat
(JK)
Kuadrat Tengah
(KT)
F
hitung

A a-1 JKA KTA KTA/KTG
B b-1 JKB KTB KTB/KTG
AB (a-1) (b-1) JKAB KTAB KTAB/KTG
Galat ab (r-1) JKG KTG -
Total abr -1 JKT - -

Adalah penting untuk diperhatikan apakah suatu faktor (perlakuan) bersifat tetap atau
acak karena akan menentukan nilai harapan kuadrat tengah. Hal ini penting misalnya
dalam menghitung nilai komponen ragam dari faktor acak.

4.2. Percobaan faktorial RAK dua faktor
Prinsip percobaan faktorial RAK dua faktor sama dengan RAK faktor tunggal dalam
hal pengacakan dan layout, kecuali terdapat kombinasi perlakuan. Setelah satuan-satuan
percobaan dikelompokkan ke dalam sejumlah kelompok, kombinasi perlakuan kemudian
diberikan secara acak ke dalam satuan-satuan percobaan di setiap kelompok.

Untuk percobaan faktorial dua faktor, A dan B, yang masing-masing mempunyai tiga
taraf akan membentuk sembilan kombinasi perlakuan.

(a1b1) (a1b2) (a1b3)
(a2b1) (a2b2) (a2b3)
(a3b1) (a3b2) (a3b3)

11
11
Bila setiap kombinasi perlakuan diulang tiga kali (kelompok) maka pengacakan dan
layout akan tampak seperti berikut.

Kelompok 1 a1b2 a2b2 a1b1 a3b2 a3b3 a2b2 a3b1 a1b3 a2b3

Analisis Ragam
Terdapat lima sumber keragaman dalam percobaan jenis ini yaitu: kelompok, faktor
A,B, AB, dan galat. Tabel ANOVA percobaan faktorial RAK dimana A dan B keduanya
faktor tetap adalah sebagai berikut.

Sumber
keragaman
Derajat bebas
(db)
Jumlah Kuadrat
(JK)
Kuadrat Tengah
(KT)
F
hitung

Kelompok r-1 JKK KTK -
Galat (ab-1) (r-1) JKG KTG -
Total abr -1 JKT - -

4.3. Percobaan Rancangan Petak Terpisah (RPT)
RPT adalah bentuk khusus rancangan percobaan faktorial dimana kombinasi
perlakuan tidak diacak secara sempurna terhadap satuan-satuan percobaan. Faktor atau
perlakuan ditempatkan ke dalam petak utama (main plot) dan anak petak (sub plot).
Faktor yang lebih diutamakan adanya di petak utama, dan faktor kedua ditempatkan di
anak petak. Setiap petak utama dibagi menjadi beberapa anak petak.
Tipe percobaan ini seringkali tidak luwes karena membutuhkan lahan percobaan yang
realtif luas, seperti misalnya percobaan pemupukan padi sawah.

Pengacakan percobaan RPT dilakukan dua tahap. Pertama, pengacakan penempatan
perlakuan pada petak utama kemudian pengacakan pada anak petak.
Misalkan faktor pertama dosis N (N0, N1, N2); faktor kedua adalah varietas (V1, V2,
V3). Misalkan pada percobaan ini varietas adalah faktor yang ingin diteliti lebih dalam
maka penempatannya ada di anak petak. Pengacakan dan layout percobaan RPT dua
faktor tiga ulangan adalah sebagai berikut.

12
12
Layout RPT menggunakan RAL:

N0 N1 N0 N2 N1 N1 N2 N0 N2
V1 V2 V2 V1 V2 V1 V3 V2 V3
V2 V3 V1 V2 V3 V3 V2 V1 V1
V3 V1 V3 V3 V1 V2 V1 V3 V2

Layout RPT menggunakan RAK:

Kelompok I Kelompok II Kelompok III
V1 V3 V3 V3 V2 V3 V1 V1 V3
V2 V1 V2 V1 V3 V2 V3 V2 V1
V3 V2 V1 V2 V1 V1 V2 V3 V2
N1 N0 N2 N2 N1 N0 N2 N0 N1

Analisis Ragam
Percobaan dua faktor, misalnya N dan V, pada RPT menggunakan RAL memiliki lima
sumber keragaman: faktor N, galat (a), faktor V, interaksi NV, dan galat (b). Bila kedua
faktor sifatnya tetap, susunan tabel ANOVA nya adalah sebagai berikut.

Sumber
keragaman
Derajat bebas
(db)
Jumlah Kuadrat
(JK)
Kuadrat Tengah
(KT)
F
hitung

N n-1 JKN KTN KTN/KTG
a
Galat (a) n (r-1) JKG
a
KTG
a
-
V (v-1) JKV KTV KTV/KTG
b
NV (n-1) (v-1) JKNV KTNV KTNV/KTG
b
Galat (b) n (v-1) (r-1) JKG
b
KTG
b
-
Total nvr -1 JKT - -
Bila menggunakan lingkungan RAK, tabel ANOVA RPT dua faktor, N dan V, menjadi
seperti berikut.
Sumber
keragaman
Derajat bebas
(db)
Jumlah Kuadrat
(JK)
Kuadrat Tengah
(KT)
F
hitung

a
N n-1 JKN KTN KTN/KTG
a
Galat (a) (n-1) (r-1) JKG
a
KTG
a
-
V v-1 JKV KTV KTV/KTG
b
NV (n-1) (v-1) JKNV KTNV KTNV/KTG
b
Galat (b) n (v-1) (r-1) JKG
b
KTG
b
-

13
13
4.4. Percobaan Rancangan Blok Terpisah (RBT)
Percobaan ini merupakan variasi dari RPT dimana kedua faktornya merupakan petak
utama. Yang ditekankan dalam RBT adalah pengaruh interaksi. Penempatan taraf-taraf
kedua faktor dilakukan saling bersilangan (crossed). RBT dapat diterapkan pada RAK
tetapi tidak pada RAL.

Pengacakan pada RBT dilakukan dua tahap. Pertama, setelah kelompok satuan
percobaan dipilih, taraf-taraf faktor pertama (A) ditempatkan secara acak di setiap
kelompok mengikuti plot lajur. Kedua, menempatkan secara acak taraf-taraf faktor kedua
(B) di setiap kelompok mengikuti plot baris. Layoutnya dapat digambarkan sebagai
berikut.

Arah plot
A1 A3 A2 A2 A1 A3
B1 A1B1 A3B1 A2B1 B2 A2B2 A1B2 A3B2
Taraf faktor sama Arah plot taraf faktor sama

Analisis Ragam
Percobaan dengan RBT dalam RAK mempunyai tujuh sumber keragaman: kelompok,
faktor A, galat (a), faktor B, galat (b), interaksi AB, dan galat (c). Tabel ANOVA tampak
seperti berikut.

Sumber
keragaman
Derajat bebas
(db)
Jumlah Kuadrat
(JK)
Kuadrat Tengah
(KT)
F
hitung

a
a
Galat (a) (a-1) (r-1) JKG
a
KTG
a
-
b
Galat (b) (n-1) (v-1) JKG
b
KTG
b -
c

Galat (c) (a-1) (b-1) (r-1) JKG
c
KTG
c
-

14
14
PEMBANDINGAN NILAI RATA-RATA
Pembandingan nilai rata-rata perlakuan dilakukan untuk menjawab pertanyaan:
Perlakuan yang mana yang memberikan pengaruh secara signifikan. Untuk dapat
melakukan pembandingan maka peluang nyata nilai F tabel ANOVA harus signifikan.
Ada tiga metode pembandingan yang umum dilakukan: (1) pembandingan
berpasangan, (2) pembandingan kelompok, dan (3) pembandingan arah.
Pembandingan berpasangan membandingkan semua kemungkinan pasangan perlakuan
atau hanya membandingkan setiap perlakuan dengan kontrolnya. Perlakuan kontrol yang
kuantitatif tidak mesti nilai tarafnya sama dengan nol.
Prosedur untuk membandingkan semua kemungkinan pasangan perlakuan biasanya
menggunakan uji Beda Nyata Jujur (BNJ) Tukey yang juga dikenal sebagai uji HSD
(Honestly Significant Differnece). Bila setiap perlakuan dibandingakan terhadap
kontrolnya maka diggunakan uji Beda Nyata Terkecil (BNT) Dunnett yang dikenal
sebagai uji LSD (Least Significant Difference). Di samping uji BNT dan BNJ terdapat uji
pembandingan lainnya seperti misalnya uji Jarak Berganda Duncan (Duncan's Multiple
Range Test, DMRT).
Nilai kritik yang dipakai oleh uji BNT dalam membandingkan dua perlakuan adalah:

1 1

BNT

= t
KTG ( + )

r
1
r
2

dimana, t
adalah nilai tabel BNT pada taraf nyata ; r

1
dan r
2
adalah banaknya ulangan
perlakuan pertama dan kedua.
Sementara nilai kritik bagi uji BNJ adalah sebagai berikut.

KTG
BNJ

= Q
;p;dbgalat

r

dimana, Q
;p;dbgalat
adalah nilai tabel Q BNJ dengan taraf nyata pada p perlakuan
dengan db galat.
Untuk uji Duncan menggunakan nilai kritik sebagai berikut.

KTG
D

= R
;p;dbgalat

r

15
15
dimana, R
;p;dbgalat
adalah nilai tabel Duncan dengan taraf nyata pada p perlakuan
dengan db galat.
Pembandingan kelompok adalah prosedur pembandingan lainnya yang dapat
digunakan bila di dalam perlakuan itu sendiri mencerminkan kelompok. Sebagai contoh,
misalnya perlakuan pemupukan yang terdiri atas enam jenis: satu pupuk kandang, dua
jenis pupuk N, dan tiga jenis pupuk P. Pada contoh ini perlakuan pupuk mencerminkan
adanya 3 kelompok (pupuk kandang, pupuk N, dan pupuk P).
Prosedur pembandingan kelompok menggunakan koefisien ortogonal. Koefisien
ortogonal biasanya dijumpai pada bagian lampiran dari buku-buku perancangan
percobaan.
Untuk memutuskan apakah dua (kelompok) perlakuan yang diperbandingkan berbeda
secara signifikan atau tidak ditentukan oleh nilai peluang nyata (nilai-P) pembandingan
tersebut. Bila nilai-p lebih kecil dari taraf nyata yang digunakan, 5% atau 1%, maka
perbandingan dimaksud berbeda nyata. Begipula sebaliknya.
Untuk pembandingan arah, perlakuan haruslah bersifat kuantitatif dan terdiri atas
beberapa taraf. Taraf dari perlakuan dapat berjarak sama atau berbeda. Sebagai contoh,
perlakuan pemupukan N dengan lima taraf: 0, 25, 50, 75, dan 100 kg N/ha. Taraf
perlakuan demikian dikatakan berjarak sama karena selisih setiap taraf tetap, yaitu 25.
Pembandingan arah menggunakan prosedur kontras polinomial berderajat bebas 1.
Dengan prosedur ini dapat diketahui arah atau kecendrungan pengaruh suatu perlakuan
(faktor) terhadap respon apakah linier, kuadratik, kubik, atau bentuk polinomial lainnya.
Dalam percobaan Agronomi, pembandingan arah umumnya diteliti hingga derajat
polinomial kubik.

A An na al li is si is s K Ko or re el la as si i
K Ko or re el la as si i m me en ng gg ga am mb ba ar rk ka an n h hu ub bu un ng ga an n l li in ne ea ar r d du ua a v va ar ri ia ab be el l a at tu u l le eb bi ih h. . K Ko or re el la as si i d di ig gu un na ak ka an n
u un nt tu uk k m me en nj ja aw wa ab b d du ua a p pe er rt ta an ny ya aa an n: : S Se eb be er ra ap pa a d de ek ka at tk ka ah h d du ua a v va ar ri ia ab be el l b be er rh hu ub bu un ng ga an n ? ? d da an n
A Ap pa ak ka ah h h hu ub bu un ng ga an n i it tu u s si ig gn ni if fi ik ka an n a at ta au u h ha an ny ya a k ke eb be et tu ul la an n ? ? U Un nt tu uk k m me en nj ja aw wa ab b p pe er rt ta an ny ya aa an n
p pe er rt ta am ma a s si ip pe er rl lu uk ka an n s su ua at tu u u uk ku ur ra an n k ke ee er ra at ta an n h hu ub bu un ng ga an n y ya an ng g d di is se eb bu ut t k ko oe ef fi is si ie en n k ko or re el la as si i
P Pe ea ar rs so on n y ya an ng g d di il la am mb ba an ng gk ka an n d de en ng ga an n r r. . J Ja aw wa ab ba an n b ba ag gi i p pe er rt ta an ny ya aa an n k ke ed du ua a a ad da al la ah h d de en ng ga an n
m me en ng ga ac cu u p pa ad da a n ni il la ai i p pe el lu ua an ng g n ny ya at ta a d da ar ri i r r. .
c co ov v x xy y
K Ko oe ef fi is si ie en n k ko or re el la as si i x x d da an n y y h hi it tu un ng g s se eb ba ag ga ai i r r = =
( (v va ar r x x) )( (v va ar r y y) )

d di im ma an na a c co ov v x xy y a ad da al la ah h p pe er ra ag ga am m x x d da an n y y; ; v va ar r x x d da an n v va ar r y y a ad da al la ah h r ra ag ga am m x x d da an n r ra ag ga am m y y. .
N Ni il la ai i r r a ad da al la ah h + +1 1 s sa am mp pa ai i - -1 1. .
D Da al la am m b bi id da an ng g A Ag gr ro on no om mi i, , a an na al li is si is s k ko or re el la as si i d da ap pa at t d di ig gu un na ak ka an n s se ec ca ar ra a k kh hu us su us s d da al la am m s si id di ik k
l li in nt ta as s ( (p pa at th h a an na al ly ys si is s) ). . S Si id di ik k l li in nt ta as s a ad da al la ah h m me et to od de e k ko or re el la as si i y ya an ng g d di ig gu un na ak ka an n d da al la am m
p pe en nd du ug ga aa an n h hu ub bu un ng ga an n l la an ng gs su un ng g d da an n t ta ak k l la an ng gs su un ng g a an nt ta ar rv va ar ri ia ab be el l. . A An na al li is si is s i in ni i s sa an ng ga at t

16
16
b be er rg gu un na a b ba ag gi i p pe em mu ul li ia a t ta an na am ma an n k ka ar re en na a d da ap pa at t m me em mb ba an nt tu u p pr ro os se es s s se el le ek ks si i t ta ak k l la an ng gs su un ng g h ha as si il l
t ta an na am ma an n. .
D Du ua a u un ns su ur r u ut ta am ma a p pa ad da a s si id di ik k l li in nt ta as s, , k ko oe ef fi is si ie en n k ko or re el la as si i ( (r r) ) d da an n k ko oe ef fi is si ie en n l li in nt ta as s ( (L L) ). .
K Ke em mu ud di ia an n u un nt tu uk k d da ap pa at t m me en ng ga ap pl li ik ka as si ik ka an n s si id di ik k l li in nt ta as s p pe er rl lu u p pe en ng ge et ta ah hu ua an n m me en ng ge en na ai i
k ko om mp po on ne en n h ha as si il l ( (y yi ie el ld d c co om mp po on ne en nt ts s) ) t ta an na am ma an n y ya an ng g b be er rk ko on nt tr ri ib bu us si i l la an ng gs su un ng g a at ta au u t ti id da ak k
l la an ng gs su un ng g t te er rh ha ad da ap p p pe em mb be en nt tu uk ka an n h ha as si il l ( (y yi ie el ld d) ). .
M Mi is sa al lk ka an n h ha as si il l, , Y Y, , a ad da al la ah h f fu un ng gs si i d da ar ri i b be eb be er ra ap pa a k ko om mp po on ne en n h ha as si il l, , m mi is sa al lk ka an n x x
1 1
, , x x
2 2
, , d da an n x x
3 3

m ma ak ka a Y Y = = x x
1 1
+ + x x
2 2
+ + x x
3 3
+ + R R, , d di im ma an na a R R a ad da al la ah h r re es si id du ua al l a at ta au u f fa ak kt to or r y ya an ng g b be el lu um m
d di id de ef fi in ni is si ik ka an n. . U Un nt tu uk k k ke et ti ig ga a k ko om mp po on ne en n d di i a at ta as s d da ap pa at t d di ib be en nt tu uk k p pe er rs sa am ma aa an n s se eb ba ag ga ai i b be er ri ik ku ut t. .
r r ( (x x
1 1
, ,Y Y) ) = = a a + + r r ( (x x
1 1
, ,x x
2 2
) ) b b + + r r ( (x x
1 1
, ,x x
3 3
) ) c c
r r ( (x x
2 2
, ,Y Y) ) = = r r ( (x x
2 2
, ,x x
1 1
) ) a a + + b b + + r r ( (x x
2 2
, ,x x
3 3
) ) c c
r r ( (x x
3 3
, ,Y Y) ) = = r r ( (x x
3 3
, ,x x
1 1
) ) a a + + r r ( (x x
3 3
, ,x x
2 2
) ) b b + + c c
r r ( (R R, ,Y Y) ) = = h h

K Ko or re el la as si i a an nt ta ar ra a X X
1 1
d da an n Y Y d di il la am mb ba an ng gk ka an n d de en ng ga an n r r ( (x x
1 1
, ,Y Y) ). . P Pa ad da a p pe er rs sa am ma aa an n i in ni i a a a ad da al la ah h
k ko oe ef fi is si ie en n l li in nt ta as s d da ar ri i X X
1 1
k ke e Y Y; ; b b a ad da al la ah h k ko oe ef fi is si ie en n l li in nt ta as s d da ar ri i X X
2 2
k ke e Y Y; ; b be eg gi it tu u p pu ul la a c c, , d da an n h h. .
K Ko oe ef fi is si ie en n l li in nt ta as s d di id de ef fi in ni is si ik ka an n s se eb ba ag ga ai i r ra as si io o s si im mp pa an ng ga an n b ba ak ku u X X t te er rh ha ad da ap p s si im mp pa an ng ga an n
b ba ak ku u Y Y d di im ma an na a Y Y a ad da al la ah h a ak ki ib ba at t d da an n x x a ad da al la ah h s se eb ba ab b. . J Ja ad di i, , k ko oe ef fi is si ie en n l li in nt ta as s b ba ag gi i l li in nt ta as sa an n A A
U Un nt tu uk k m me em mu ut tu us sk ka an n s su ua at tu u k ko om mp po on ne en n h ha as si il l ( (X X) ) a ad da al la ah h p pe en nt ti in ng g, , d di ig gu un na ak ka an n k ka ai id da ah h b be er ri ik ku ut t. .
1 1. . k ko or re el la as si in ny ya a d de en ng ga an n Y Y p po os si it ti if f; ;
2 2. . p pe en ng ga ar ru uh h l la an ng gs su un ng g X X t te er rh ha ad da ap p Y Y p po os si it ti if f d da an n b be es sa ar r; ;
3 3. . p pe en ng ga ar ru uh h t ta ak k l la an ng gs su un ng g X X t te er rh ha ad da ap p Y Y m me el la al lu ui i k ko om mp po oe en n h ha as si il l l la ai in nn ny ya a n ne eg ga at ti if f k ke ec ci il l
4 4. . p pe en ng ga ar ru uh h t ta ak k l la an ng gs su un ng g X X p po os si it ti if f m me el la al lu ui i k ko om mn np po on ne en n h ha as si il l l la ai in nn ny ya a. .

ASUMSI DALAM ANALISIS RAGAM

Dalam melakukan percobaan seringkali terlupakan bahwa analisis ragam pada
prinsipnya baru dapat dikatakan sah bila memenuhi asumsi ANOVA. Ada empat asumsi
mengenai analisis ragam yaitu:
1. Galat percobaan menyebar normal, bebas, dan acak.
2. Ragam perlakuan homogen
3. Ragam dan rata-rata bebas satu sama lain
4. Pengaruh perlakuan bersifat aditif.
Sebelum dilakukan analisis lebih lanjut, sangat dianjurkan melakukan uji homogenitas
ragam. Tujuannya adalah untuk memastikan apakah data sudah memenuhi atau tidak
asumsi tentang kesamaan (homogenitas) ragam. Untuk melakukan ini dapat

17
17
menggunakan uji Bartlett. Nilai P uji Bartlett yang melebihi 5% menandakan bahwa
data memenuhi asumsi kehomogenan ragam. Jika tidak, lakukan transformasi data.
Pemenuhan asumsi ANOVA lainnya dapat diperiksa dengan melihat bentuk distribusi
data melalui plot.

TRANSFORMASI DATA
Bila data percobaan tidak memenuhi satu atau beberapa asumsi ANOVA dianjurkan
melakukan transformasi data. Kalau upaya transformasi juga tidak memberikan perbaikan
yang berarti maka data sebaiknya diarahpan ke analisis statistika nonparametrik.
Data yang menunjukkan pola multiplikatif (yang seharusnya aditif) atau simpangan
bakunya proporsional dengan rata-ratanya disarankan ditransformasi logaritma (Log X).
Data hitungan (count) atau kejadian yang jarang atau nilainya sangat kecil seringkali
ragamnya proporsional dengan rata-ratanya sehingga untuk menangani penyimpangan
seperti ini diperlukan transformasi akar kuadrat X atau X + 1/2 bila terdapat data nol.
Transformasi akar kuadrat juga cocok untuk data proporsi atau persentase yang
menunjukkan kisaran 0 - 30% atau 70 - 100 % tetapi tidak keduanya.

18
18
C. APLIKASI MINITAB DALAM PERCOBAAN AGRONOMI

1. Percobaan Satu Faktor: Rancangan Acak Lengkap, Ulangan Sama

Contoh kasus 1:
Sebuah percobaan dilakukan untuk mengetahui efektivitas inokulasi dalam
pembentukan bintil akar kedelai varietas Wilis yang ditumbuhkan pada kondisi tanah
masam (pH sekitar 5,5). Lima dosis inokulum Rhizobium (g/100 g benih) diberikan pada
benih kedelai yang ditanam di dalam polibag. Setiap perlakuan diulang empat kali.
Setelah dua bulan, jumlah bintil akar dihitung. Hasilnya adalah seperti berikut.

Dosis
inokulum
Jumlah bintil akar
0 (kontrol) 25 34 31 29
1 31 35 38 36
2 50 54 51 52
3 75 78 80 77
4 65 61 52 53
5 60 55 58 57

Entri Data
Masukkan variabel jumlah Bintil akar pada kolom C1, variabel Dosis inokulum pada
kolom C2.

Analisis Statistik dan Output
Yang perlu diperiksa sebelum analisis ragam dilakukan adalah apakah asumsi tentang
kehomogenan ragam, sebagai syarat sahnya ANOVA, terpenuhi. Untuk itu diperlukan
uji Bartlett.
Pada jendela Session klik Stat ANOVA Test for Equal Variances. Pada
kotak Response isi variabel Bintil akar, dan variabel Dosis inokulum pada kotak Factor.
Hasil uji Bartlett seperti berikut.

Test for Equal Variances

Response Bintil akar
Factors Dosis inokulum
ConfLvl 95.0000

Bonferroni confidence intervals for standard deviations

Lower Sigma Upper N Factor Levels
1.79765 3.77492 25.9655 4 0
1.40192 2.94392 20.2495 4 1

19
19
0.81328 1.70783 11.7471 4 2
0.99131 2.08167 14.3186 4 3
2.99608 6.29153 43.2758 4 4
0.99131 2.08167 14.3186 4 5

Bartlett's Test (normal distribution)

Test Statistic: 6.859
P-Value : 0.231

Hasil uji di atas menampilkan nama variabel respon, faktor atau perlakuan, dan
taraf kepercayaan. Uji Bartlett menghasilkan tabel selang kepercayaan Benforroni bagi
simpangan baku, statistik Bartlett, dan nilai-P.
Uji ini menunjukkan bahwa ragam variabel Bintil akar adalah homogen.
Kesimpulan ini didasarkan pada nilai-P 0,231 yang lebih besar dari taraf nyata 5 % (jika
p-Value < 5%, ragamnya tidak homogen sehingga diperluakan transformasi data).
Dengan demikian analisis dapat dilanjutkan ke ANOVA.
Untuk analisis ragam, pada jendela Session klik menu Stat ANOVA One-
way. Kemudian pada kotak Response masukkan variabel Bintil akar; dan pada kotak
Factor dengan variabel Dosis inokulum lalu OK. Hasil analisis dengan prosedur
ANOVA satu-arah adalah berupa tabel ANOVA dan tabel selang kepercayaan 95 % bagi
nilai rata-rata jumlah Bintil akar.

One-way ANOVA ulangan sama: Bintil akar versus Dosis inokulum

Analysis of Variance for jumlah Bintil akar

Source DF SS MS F P
Dosis 5 5985.7 1197.1 96.96 0.000
Error 18 222.3 12.3
Total 23 6208.0

Individual 95% CIs For Mean
Based on Pooled StDev
Level N Mean StDev ---+---------+---------+---------+---
0 4 29.750 3.775 (--*-)
1 4 35.000 2.944 (-*--)
2 4 51.750 1.708 (--*-)
3 4 77.500 2.082 (--*-)
4 4 57.750 6.292 (--*-)
5 4 57.500 2.082 (-*--)
---+---------+---------+---------+---
30 45 60 75
Pooled StDev = 3.514
Ket.: Df = derajat bebas; SS = Jumlah Kuadrat; MS = Kuadrat Tengah; Mean = rata-rata P = peluang nyata;
Level = taraf faktor ; Stdev = simpangan baku; CI = selang kepercayaan.

20
20

Interpretasi Hasil dan Kesimpulan
Nilai F = 96,96 perlakuan dosis inokulum berbeda sangat signifikan sebagaimana
ditunjukkan oleh taraf nyata (P = 0,000) yang jauh lebih kecil dari 1%. Selang
kepercayaan 95% bagi rata-rata jumlah Bintil akar kedelai diperlihatkan pada bagian
sebelah kanan. Pada tabel di atas tampak dosis inokulum 3 g/100 g menghasilkan jumlah
Bintil akar tertinggi 77,5. Sementara terendah 29,75 pada perlakuan tanpa inokulum
(kontrol).
Selang kepercayaan 95% bagi nilai rata-rata jumlah Bintil akar pada setiap dosis
inokulum diperlihatkan dengan (--*-). Tanda * adalah nilai rata-rata. Selang
kepercayaan ini dibuat berdasarkan simpangan baku gabungan (pooled StDev = 3,514).

Pembandingan Nilai Rata-rata
Karena hasil analisis ragam perlakuan dosis inokulum berbeda signifikan terhadap
pembentukan bintil akar maka perlu dilanjutkan uji pembandingan. Tujuannya adalah
untuk menentukan dosis yang mana yang pengaruhnya berbeda.
Pada contoh ini dosis inokulum bersifat kuantitatif dengan jarak taraf yang sama (0, 1,
2, 3, 4, dan 5) dengan demikian metode pembandingan yang sesuai adalah pembandingan
kontras polinomial derajat bebas 1. Untuk melakukan pembandingan polinomial terlebih
dahulu dibuat tabel hasil rata-rata berdasarkan taraf dosis perlakuan.

Dosis inokulasi Hasil (ton/ha)
0 29.750
1 35.000
2 62.120
3 77.500
4 50.750
5 30.200

Bentuk h hu ub bu un ng ga an n d do os si is s d de en ng ga an n h ha as si il l m me em mp pe er rl li ih ha at tk ka an n p po ol la a k ku ua ad dr ra at ti ik k y ya an ng g s si ig gn ni if fi ik ka an n
( (P P= = 0 0, ,0 04 46 6) ), , s se ed da an ng gk ka an n p po ol la a l li in ni ie er r d da an n k ku ub bi ik k t ti id da ak k s si ig gn ni if fi ik ka an n ( (n ni il la ai i P P > > 5 5% %) ). . M Me el la al lu ui i
p pr ro os se ed du ur r S St ta at t R Re eg gr re es ss si io on n F Fi it tt te ed d l li in ne e p pl lo ot t d di ip pe er ro ol le eh h m mo od de el l r re eg gr re es si i k ku ua ad dr ra at ti ik k y ya ai it tu u
H Ha as si il l1 1 = = 2 22 2. .4 41 14 43 3 + + 3 33 3. .5 59 96 66 6 D Do os si is s - - 6 6. .3 36 65 57 71 1 D Do os si is s
2 2
. . ( (C Ca at ta at ta an n: : N Ni il la ai i P P 0 0, ,2 20 07 7 b ba ag gi i m mo od de el l
r re eg gr re es si i t te er rs se eb bu ut t t ti id da ak k s si ig gn ni if fi ik ka an n y ya an ng g b be er ra ar rt ti i h hu ub bu un ng ga an n a an nt ta ar ra a d do os si is s d da an n h ha as si il l a ad da al la ah h
n no on nl li in ni ie er r) ). .

21
21
Hasil pembandingan kontras polinomial adalah:

Analysis of Variance

Source DF SS MS F P
Regression 3 1705.38 568.461 3.99748 0.207
Error 2 284.41 142.205
Total 5 1989.79

Source DF Seq SS F P
Linear 1 54.70 0.1131 0.754
Quadratic 1 1512.83 10.7482 0.046
Cubic 1 137.85 0.9694 0.429

Untuk melakukan uji pembandingan, masuk ke menu Stat ANOVA One-way.
Kemudian klik Comparisons, pilih Tukey's, family error rate: 5 bila ingin
membandingkan seluruh kemungkinan pasangan dosis, atau pilih Dunnett's family error
rate: 5 bila ingin membandingkan setiap dosis dengan kontrolnya (perlakuan tanda
inokulum). Jangan menggunakan dua jenis pembandingan sekaligus, pilih salah satu.
Dengan menggunakan prosedur pembandingan Dunnett diperoleh hasil sebagai
berikut.

Dunnett's comparisons with a control

Family error rate = 0.0500
Individual error rate = 0.0129

Critical value = 2.76
Control = level (0) of Dosis

Intervals for treatment mean minus control mean

Level Lower Center Upper --+---------+---------+---------+-----
1 -1.611 5.250 12.111 (----*---)
2 15.139 22.000 28.861 (----*---)
3 40.889 47.750 54.611 (----*---)
4 21.139 28.000 34.861 (----*---)
5 20.889 27.750 34.611 (----*---)
--+---------+---------+---------+-----
0 15 30 45

Nilai kritik uji Dunnett adalah 2,76 dengan tingkat kesalahan umum 5%, dan
kesalahan per pasangan adalah 0,0129. Untuk mengetahui perbedaan pengaruh dosis
inokulum, setiap respon perlakuan dikurangkan dengan respon kontrolnya. Misalnya

22
22
selisih antara perlakuan dosis 1 dengan kontrol adalah 5,25. Selisih ini dibandingkan
dengan nilai kritik Dunnett dan karena selisihnya lebih besar dari 5,25 maka dinyatakan
berbeda nyata.
Dapat disimpulkan bahwa pemberian inokulum pada kisaran 1 sampai 5 g/100 g
menghasilkan jumlah bintil akar kedelai yang lebih banyak dibandingkan dengan tanpa
inokulum.

2. Percobaan Satu Faktor: Rancangan Acak Lengkap, Ulangan Tidak Sama

Contoh kasus 2:
Kasusnya sama dengan kasus 1 di atas hanya saja dua pengamatan hilang karena rusak
sehingga datanya tidak tersedia (ditandai dengan -). Dengan demikian data Jumlah bintil
akar menjadi seperti berikut.

Dosis
inokulum
Jumlah bintil akar
0 (kontrol) 25 34 31 29
1 31 35 - 36
2 50 54 51 52
3 75 78 80 77
4 65 61 52 -
5 60 55 58 57

Entri Data
Masukkan data variabel jumlah Bintil akar di kolom C1 dan variabel Dosis inokulum
di kolom C2. Pengamatan yang hilang diganti dengan tanda asterik (*).

Prosedur analisis percobaan ulangan tidak sama yang digunakan sama dengan
prosedur percobaan ulangan sama. Hasil analisis adalah sebagai berikut.

One-way ANOVA ulangan tidak sama: Bintil akar versus Dosis inokulum

Analysis of Variance for jumlah Bintil akar

Source DF SS MS F P
Dosis 5 5835.7 1167.1 103.65 0.000
Error 16 180.2 11.3
Total 21 6015.8

23
23

Individual 95% CIs For Mean
Based on Pooled StDev
Level N Mean StDev ---+---------+---------+---------+---
0 4 29.750 3.775 (--*-)
1 3 34.000 2.646 (--*-)
2 4 51.750 1.708 (--*-)
3 4 77.500 2.082 (--*-)
4 3 59.333 6.658 (--*-)
5 4 57.500 2.082 (-*--)
---+---------+---------+---------+---
Pooled StDev = 3.356 30 45 60 75

Interpretasi dan Kesimpulan
Perhatikan N pada tabel selang kepercayaan dimana terdapat nilai 3 dan 4 yang
menunjukkan tiga dan empat ulangan.
Analisis ragam Dosis inokulum pada tabel ANOVA di atas menghasilkan nilai F
103,63 yang sangat signifikan. Dosis inokulum 3 g/100 g benih menghasilkan jumlah
bintil akar tertinggi 77,5. Sedangkan kontrol menghasilkan jumlah bintil akar terendah
yaitu 29,75.
Pada tabel kedua diperlihatkan selang kepercayaan 95% bagi jumlah Bintil akar dari
setiap perlakuan inokulasi. Selang ini dibuat berdasarkan simpangan baku gabungan
(pooled StDev = 3,356). Berdasarkan hasil di ata disimpulkan sedikitnya ada satu dosis
inokulum yang berbeda dari dosis lainnya dalam mempengaruhi jumlah bintil akar
kedelai varietas Willis.

Karena ANOVA perlakuan dosis inokulum berbeda signifikan (P = 0,000) terhadap
pembentukan bintil akar maka perlu dilanjutkan ke uji pembandingan. Untuk
membandingkan nilai rata-rata setiap perlakuan dosis terhadap kontrol dilakukan uji
pembandingan seperti pada kasus 1 menggunakan prosedur Dunnett. Dengan prosedur
Dunnett diperoleh hasil sebagai berikut.

Dunnett's comparisons with a control

Family error rate = 0.0500
Individual error rate = 0.0127

Critical value = 2.81

Control = level (0) of Dosis

Intervals for treatment mean minus control mean

24
24
Level Lower Center Upper --+---------+---------+---------+-----
1 -2.942 4.250 11.442 (----*---)
2 15.342 22.000 28.658 (---*---)
3 41.092 47.750 54.408 (---*---)
4 22.391 29.583 36.775 (---*----)
5 21.092 27.750 34.408 (---*----)
--+---------+---------+---------+-----
0 16 32 48

Nilai kritik Dunnett yang dipakai sebagai pembanding adalah 2,81. Setiap selisih
antara perlakuan dosis dengan kontrolnya dibandingkan dengan nilai kritik Dunnett. Dari
hasil analisis diketahui bahwa semua selisih nilainya lebih besar dari 2,81 artinya
pemberian inokulum pada dosis 1 sampai 5 g/100 g menghasilkan bintil akar yang lebih
banyak dibandingkan tanpa inokulum.

3. Percobaan Satu Faktor: Rancangan Acak Kelompok

Contoh kasus 3:
Suatu percobaan lapangan dilakukan untuk mengetahui perbedaan daya hasil enam
varietas alfalfa (A, B, C, D, E, dan F) yang ditanam di empat lahan tadah hujan yang
berbeda (Kelompok). Setelah panen, hasilnya dicatat dalam ton/ha seperti tampak
berikut.

Varietas Kel. I Kel. II Kel. III Kel. IV
A 3.22 3.31 3.26 3.25
B 3.04 2.99 3.27 3.20
C 3.06 3.17 2.93 3.09
D 2.64 2.75 2.59 2.62
E 3.19 3.40 3.11 3.23
F 2.49 2.37 2.38 2.37

Entri Data
Pada kolom C1 tuliskan variabel Hasil; kolom C2 dengan variabel Varietas; dan
kolom ketiga variabel Kelompok.
Seperti halnya pada Contoh kasus 1, sebelum ANOVA dilakukan pemeriksaan
tentang homogenitas ragam perlu dilakukan. Pada jendela Session klik Stat ANOVA
Test for Equal Variances. Pada kotak Response isi variabel Hasil dan variabel
Varietas pada kotak Factor. Hasilnya uji seperti berikut.

25
25
Test for Equal Variances

Response Hasil
Factors Varietas
ConfLvl 95.0000

Bonferroni confidence intervals for standard deviations

Lower Sigma Upper N Factor Levels
1.78E-02 0.037417 0.257367 4 A
6.28E-02 0.131783 0.906456 4 B
4.75E-02 0.099791 0.686407 4 C
3.32E-02 0.069761 0.479849 4 D
5.82E-02 0.122304 0.841260 4 E
2.79E-02 0.058523 0.402549 4 F

Bartlett's Test (normal distribution)

Test Statistic: 5.168
P-Value : 0.396

Nilai statistik Bartlett 5,168 dengan taraf nyata 0,395 (lebih besar dari 5%) adalah
dasar yang sahih untuk menyatakan bahwa ragam bersifat homogen sehingga analisis
ANOVA dapat dilanjutkan.
Pada jendela Session klik menu Stat ANOVA Two-way. Kemudian pada
kotak Response masukkan variabel Hasil; kotak Row factor dengan Varietas dan pilih
Display means; dan pada kotak Column factor dengan Kelompok.
Hasil analisis dengan prosedur ANOVA dua-arah (Varietas dan Kelompok) adalah
berupa tabel ANOVA dan tabel selang kepercayaan 95 % bagi nilai rata-rata hasil alfalfa.

Two-way ANOVA: Hasil versus Varietas; Kelompok

Analysis of Variance for Hasil

Source DF SS MS F P
Varietas 5 2.43507 0.48701 53.27 0.000
Kelompok 3 0.01878 0.00626 0.68 0.575
Error 15 0.13715 0.00914
Total 23 2.59100

Individual 95% CI
Varietas Mean ----+---------+---------+---------+-------
A 3.260 (---*--)
B 3.125 (--*---)
C 3.063 (--*--)
D 2.650 (--*---)

26
26
E 3.233 (---*--)
F 2.403 (--*--)
----+---------+---------+---------+-------
2.400 2.700 3.000 3.300

Berdasarkan tabel ANOVA diketahui bahwa terdapat perbedaan daya hasil varietas
alfalfa yang diuji sebagaimana ditunjukkan oleh nilai F (53,27) yang sangat signifikan
(nilai P = 0,000 jauh lebih kecil dari 1%). P Pa ad da a t ta ab be el l A AN NO OV VA A j ju ug ga a d di ik ke et ta ah hu ui i b ba ah hw wa a
p pe en ng ge el lo om mp po ok ka an n l la ah ha an n t ti id da ak k b be er rp pe en ng ga ar ru uh h s si ig gn ni if fi ik ka an n t te er rh ha ad da ap p h ha as si il l a al lf fa al lf fa a. . Pada tabel
kedua diperlihatkan selang kepercayaan 95% bagi nilai rata-rata hasil alfalfa setiap
varietas. Tampak varietas A memberikan hasil yang tertinggi yaitu 3,26 ton/ha; dan
varietas F yang terendah dengan hasil 2,403 ton/ha.
D Di is si im mp pu ul lk ka an n b ba ah hw wa a s se ed di ik ki it tn ny ya a a ad da a s sa at tu u v va ar ri ie et ta as s a al lf fa al lf fa a y ya an ng g h ha as si il ln ny ya a b be er rb be ed da a d da ar ri i
v va ar ri ie et ta as s l la ai in nn ny ya a. . U Un nt tu uk k m me en ng ge et ta ah hu ui i v va ar ri ie et ta as s y ya an ng g m ma an na a b be er rb be ed da a p pe er rl lu u d di il la ak ku uk ka an n a an na al li is si is s
l la an nj ju ut ta an n m me en ng gg gu un na ak ka an n u uj ji i p pe em mb ba an nd di in ng ga an n n ni il la ai i r ra at ta a- -r ra at ta a. .

Karena hasil analisis ragam Varietas berbeda sangat signifikan (P = 0,000) terhadap
hasil alfalfa maka perlu dilanjutkan ke uji pembandingan nilai rata-rata. Untuk kasus ini
digunakan uji Tukey.
Masuk ke menu Stat ANOVA General Linear Model. Pada kotak Responses
isi variabel Hasil; dan kotak Model dengan variabel Kelompok dan Varietas. Klik
Comparison lalu pilih Pairwise comparisons dan metode Tukey pada confidence level
95. Pada kotak Terms isi variabel Varietas. Hasil pembandingan adalah seperti berikut.

Tukey Simultaneous Tests
Response Variable Hasil
All Pairwise Comparisons among Levels of Varietas

Varietas = A subtracted from:

Level Difference SE of Adjusted
Varietas of Means Difference T-Value P-Value
B -0.1350 0.06761 -2.00 0.3880
C -0.1975 0.06761 -2.92 0.0906
D -0.6100 0.06761 -9.02 0.0000
E -0.0275 0.06761 -0.41 0.9983
F -0.8575 0.06761 -12.68 0.0000

Varietas = B subtracted from:


27
27
C -0.0625 0.06761 -0.92 0.9340
D -0.4750 0.06761 -7.03 0.0001
E 0.1075 0.06761 1.59 0.6166
F -0.7225 0.06761 -10.69 0.0000

Varietas = C subtracted from:

D -0.4125 0.06761 -6.101 0.0003
E 0.1700 0.06761 2.514 0.1809
F -0.6600 0.06761 -9.761 0.0000

Varietas = D subtracted from:

E 0.5825 0.06761 8.615 0.0000
F -0.2475 0.06761 -3.661 0.0231

Varietas = E subtracted from:

F -0.8300 0.06761 -12.28 0.0000

Perbandingan di atas menunjukkan bahwa varietas A berbeda signifikan dengan
varietas D dan F (nilai P keduanya < 5%). Pasangan AB, AC, dan AE tidak berbeda
signifikan terhadap hasil alfalfa (nilai P >5%).
Jika Varietas B sebagai patokan seperti pada tabel kedua maka dengan
menggunakan kaidah yang sama disimpulkan bahwa Varietas B berbeda dari D dan F.
Perbandingan pasangan lainnya dapat dilihat pada tabel-tabel berikutnya.

4. Percobaan Satu Faktor: Rancangan Bujur Sangkar Latin

Contoh kasus 4:
Lima jenis pupuk N (A, B, C, D, E, dan F) diuji pengaruhnya terhadap hasil tanaman.
Karena tingkat kesuburan lahan menunjukkan dua arah (baris dan lajur) maka diputuskan
menggunakan Rancangan Bujur Sangkar Latin. Hasil tanaman dicatat sebagai berikut.

28
28
Baris
Lajur
1 2 3 4 5 6
1 28.2 (F) 29.1 (D) 32.1 (A) 33.1 (B) 31.1 (E) 32.4 (C)
2 31.0 (E) 29.5 (B) 29.8 (C) 24.8 (F) 33.0 (D) 30.6 (A)
3 30.6 (D) 28.8 (E) 21.7 (F) 30.8 (C) 31.9 (A) 30.1 (B)
4 33.1 (C) 30.4 (A) 28.8 (B) 31.4 (D) 26.7 (F) 31.9 (E)
5 29.9 (B) 25.8 (F) 30.3 (E) 30.3 (A) 33.5 (C) 32.3 (D)
6 30.8 (A) 29.7 (C) 27.4 (D) 29.1 (E) 30.7 (B) 21.4 (F)

Entri Data
Faktor Baris, Lajur, Pupuk, dan Hasil tanaman dientri pada kolom data yang masing-
masing terpisah seperti tampak pada tampilan berikut.

Gambar 2. Tampilan data RBSL pada worksheet Minitab.

Pada jendela Session klik Stat ANOVA General Linear Model. Pada kotak
Responses isi variabel Hasil; pada kotak Model isi dengan variabel Baris, Lajur, dan
Pupuk. Klik Comparison, pilih Pairwise comparisons dan metode Tukey pada
confidence level 95. Pada kotak Terms isi variabel Pupuk.

General Linear Model: Hasil versus Baris; Lajur; Pupuk

Factor Type Levels Values
Baris fixed 6 B1 B2 B3 B4 B5 B6
Lajur fixed 6 L1 L2 L3 L4 L5 L6

29
29
Pupuk fixed 6 A B C D E F

Analysis of Variance for Hasil, using Adjusted SS for Tests

Source DF Seq SS Adj SS Adj MS F P
Baris 5 32.188 32.188 6.438 4.26 0.008
Lajur 5 33.668 33.668 6.734 4.45 0.007
Pupuk 5 185.765 185.765 37.153 24.56 0.000
Error 20 30.256 30.256 1.513
Total 35 281.876

Tukey Simultaneous Tests
Response Variable Hasil
All Pairwise Comparisons among Levels of Pupuk

Pupuk = A subtracted from:

Pupuk of Means Difference T-Value P-Value
B -0.667 0.7101 -0.939 0.9314
C 0.467 0.7101 0.657 0.9847
D -0.383 0.7101 -0.540 0.9937
E -0.650 0.7101 -0.915 0.9380
F -6.250 0.7101 -8.801 0.0000

Pupuk = B subtracted from:

C 1.133 0.7101 1.596 0.6103
D 0.283 0.7101 0.399 0.9985
E 0.017 0.7101 0.023 1.0000
F -5.583 0.7101 -7.863 0.0000

Pupuk = C subtracted from:

D -0.850 0.7101 -1.197 0.8331
E -1.117 0.7101 -1.573 0.6245
F -6.717 0.7101 -9.459 0.0000

Pupuk = D subtracted from:

E -0.267 0.7101 -0.376 0.9989
F -5.867 0.7101 -8.262 0.0000

30
30

Pupuk = E subtracted from:

F -5.600 0.7101 -7.886 0.0000

Analisis GLM menghasilkan tabel deskripsi, tabel ANOVA, dan pembandingan nilai
rata-rata. Pada tabel deskripsi ditampilkan nama-nama faktor (variabel Baris, Lajur, dan
Pupuk), jenis, taraf beserta nilainya.
Tabel ANOVA menunjukkan pengelompokan satuan percobaan ke dalam dua arah
(baris dan lajur) berpengaruh sangat signifikan yang ditunjukkan dari nilai P-nya yang
lebih kecil dari 1%. Hal yang sama dengan perlakuan pupuk N (P = 0,000).
Uji pembandingan nilai rata-rata Tukey menunjukkan pupuk N jenis A berbeda
pengaruhnya dengan pupuk F (T = -8,801; P = 0,000). Tetapi tidak dengan jenis pupuk
lainnya (karena nilai P melebihi 5%). Untuk pembandingan pasangan perlakuan
lainnya dapat dilihat pada tabel hasil pembandingan.
Berdasarkan hasil analisis GLM disimpulkan paling sedikit satu jenis pupuk N yang
berbeda dari jenis lainnya terhadap hasil tanaman.

5. Percobaan Dua Faktor: Rancangan Acak Lengkap Faktorial

Contoh kasus:
Lima k ko on ns se en nt tr ra as si i f fu un ng gi is si id da a m me et ti il l b br ro om mi id da a ( (0 0, , 1 16 6, , 3 32 2, , 4 48 8, , 6 62 2 g g/ /m m
3 3
) ) d di ib be er ri ik ka an n d da al la am m d du ua a
p pe er ri io od de e w wa ak kt tu u p pe er re en nd da am ma an n ( (2 2, , 4 4 j ja am m) ) p pa ad da a b be en ni ih h t to om ma at t v va ar ri ie et ta as s I In nt ta an n u un nt tu uk k m me en ne ek ka an n
p pe er rk ke em mb ba an ng ga an n c ce en nd da aw wa an n. . P Pe er rc co ob ba aa an n d di il la ak ku uk ka an n d di i r ru um ma ah hk ka ac ca a m me en ng gg gu un na ak ka an n R RA AL L t ti ig ga a
u ul la an ng ga an n. . D Da at ta a d da ay ya a k ke ec ca am mb ba ah h ( (% %) ) b be en ni ih h d di ic ca at ta at t s se eb ba ag ga ai i b be er ri ik ku ut t. .

Waktu Ulangan
Dosis funisida
0 16 32 48 64
2
1 96 92 92 74 50
2 98 88 94 74 50
3 94 90 84 68 54
4
1 90 88 78 0 0
2 94 92 82 0 0
3 92 94 74 0 0

31
31
6. Percobaan Dengan Faktor Tersarang

Contoh kasus:
U Un nt tu uk k m me en nd da ap pa at tk ka an n v va ar ri ie et ta as s u ub bi ik ka ay yu u l lo ok ka al l y ya an ng g b be er rk ka ad da ar r s si ia an ni id da a ( (H HC CN N) ) r re en nd da ah h
d di il la ak ku uk ka an n s su ur rv ve ei i t ta an na am ma an n d di i I Ir ri ia an n J Ja ay ya a. . D Da ar ri i 1 10 00 0 j je en ni is s y ya an ng g d di ip pe er ro ol le eh h d di ip pi il li ih h s se ec ca ar ra a a ac ca ak k
e em mp pa at t, , k ke em mu ud di ia an n d da ar ri i j je en ni is s t te er rp pi il li ih h d di ia am mb bi il l m ma as si in ng g- -m ma as si in ng g e em ma at t h he el la ai i d da au un n. . U Un nt tu uk k
p pe em me er ri ik ks sa aa an n k ka ad da ar r H HC CN N d di ia am mp pi il l t ti ig ga a s sa am mp pe el l d da au un n d de en ng ga an n u uk ku ur ra an n m ma as si in ng g- -m ma as si in ng g 1 1 g gr r. .
K Ka ad da ar r H HC CN N ( (p pp pm m) ) d da au un n a ad da al la ah h s se eb ba ag ga ai i b be er ri ik ku ut t. .

Jenis
Ubikayu
Daun
Sampel
1 2 3
1 1 35 32 25
2 35 34 38
3 37 35 41
4 38 37 35
2 1 112 113 124
2 125 130 110
3 111 109 108
4 124 20 130
3 1 85 88 89
2 91 91 9
3 92 93 94
4 99 98 97
4 1 56 58 61
2 55 65 63
3 58 57 58
4 59 57 58

Entri Data

32
32

Gambar 3. Tampilan data percobaan faktor tersarang pada worksheet Minitab.


Nested ANOVA: HCN versus Jenis; Daun; Sampel

Analysis of Variance for HCN

Source DF SS MS F P
Jenis 3 37595.8958 12531.9653 40.000 0.000
Daun 12 3759.5833 313.2986 0.795 0.652
Sampel 32 12612.0000 394.1250
Total 47 53967.4792

Variance Components

Source Var Comp. % of Total StDev
Jenis 1018.222 72.09 31.910
Daun -26.942* 0.00 0.000
Sampel 394.125 27.91 19.853
Total 1412.347 37.581

* Value is negative, and is estimated by zero.
Expected Mean Squares

33
33

1 Jenis 1.00(3) + 3.00(2) + 12.00(1)
2 Daun 1.00(3) + 3.00(2)
3 Sampel 1.00(3)

7. Percobaan Dengan Pengamatan Berulang
Pengambilan data suatu variabel respon beberapa kali dalam interval waktu tertentu
(per minggu, per bulan atau per enam bulan) dinamakan pengamatan berulang.
Pengamatan berulang sering dilakukan terhadap hasil produksi yang dipanen beberapa
kali dalam satu musim. Pengamatan berulang dapat diterapkan pada semua jenis
rancangan percobaan.

Contoh kasus 7:
Percobaan lapangan dilakukan untuk mengetahui pengaruh lima dosis pupuk K
terhadap hasil pala. Panen dilakukan tiga kali dalam setahun pada empat blok pohon pala
(kelompok). Percobaan menggunakan RAK. Hasil pala (buah/pohon) dicatat sebagai
berikut.

Dosis K
(kg/ha)
Penen
ke-
Kel. I Kel. II Kel. III Kel. IV
0 (kontrol) 1 450 485 510 498
200 1 480 520 506 507
300 1 512 524 562 543
400 1 540 557 564 549
500 1 580 590 574 581
0 (kontrol) 2 650 657 687 687
200 2 712 741 725 732
300 2 852 845 867 957
400 2 958 867 941 900
500 2 987 975 1012 1003
0 (kontrol) 3 856 855 871 841
200 3 865 875 845 905
300 3 1100 1250 1089 115
400 3 997 996 985 956
500 3 1200 1250 1360 115

34
34
Jika analisis ragam dilakukan per panen, outputnya adalah sebagai berikut.

ANOVA: Panen1; Panen2; Panen3 versus Blok; Pupuk K

Kelompok fixed 4 1 2 3 4
Pupuk K fixed 5 0 200 300 400 500

Analysis of Variance for Panen1

Source DF SS MS F P
Kelompok 3 155397 51799 0.94 0.452
Pupuk K 4 744482 186120 3.37 0.045
Error 12 662122 55177
Total 19 1562000


Source DF SS MS F P
Kelompok 3 594 198 0.24 0.869
Pupuk K 4 685797 171449 205.04 0.000
Error 12 10034 836
Total 19 696425


Source DF SS MS F P
Kelompok 3 188065 62688 0.90 0.469
Pupuk K 4 553960 138490 1.99 0.160
Error 12 835363 69614
Total 19 1577389

Perhatikan hasil analisis ragam berikut ini jika ketiga panen digabung.


Source DF SS MS F P

Kelompok 3 215108 71703 1.84 0.155
pupuk K 4 279949 69987 1.80 0.148
Panen 2 42872 21436 0.55 0.581
K*Panen 8 1704290 213036 5.47 0.000
Error 42 1636467 38963
Total 59 3878686

35
35
Means

K N Hasil
0 12 670.58
200 12 701.08
300 12 768.00
400 12 817.50
500 12 852.25

Panen N Hasil
1 20 729.70
2 20 760.80
3 20 795.15


Pemupukan K memberikan pengaruh berbeda terhadap panen hasil pala.

36
36
8. Percobaan Multilokasi

Contoh kasus:
Dilakukan suatu percobaan multilokasi untuk mengetahui pengaruh pupuk N terhadap
hasil jagung hibrida C1 di lima lokasi transmigrasi yang dipilih secara acak. Pupuk N
diberikan pada takaran 0, 25, 50, 75 kg/ha. Percobaan menggunakan RAK empat
ulangan. Hasil jagung (ton/ha) adalah sebagai berikut.

Lokasi Dosis N
Kelompok
I II III IV
1 0 2.1 2.2 2.3 2.2
25 3.2 3.4 3.3 3.1
50 3.5 3.4 3.4 3.3
75 3.6 3.7 3.6 3.7
2 0 2.0 2.1 2.0 2.0
25 2.4 2.3 2.5 2.3
50 2.4 2.5 2.4 2.2
75 3.1 3.2 3.1 3.2
3 0 2.6 2.5 2.3 2.5
25 3.2 3.3 3.3 3.4
50 3.5 3.5 3.7 3.6
75 3.6 3.6 3.8 3.6
4 0 2.1 2.0 1.9 1.8
25 2.2 2.3 2.4 2.5
50 2.4 2.3 2.3 2.2
75 2.4 2.5 2.6 2.4
5 0 2.6 2.7 2.7 2.8
25 2.8 2.9 3.0 3.1
50 3.2 3.1 3.1 3.2
75 3.6 3.6 3.5 3.6

Entri Data

Jika ANOVA hasil jagung dilakukan secara terpisah untuk setiap lokasi, outputnya
adalah sebagai berikut.

ANOVA: Hasil_1; Hasil_2; Hasil_3; Hasil_4; Hasil_5 versus Kel; N

Kelompok fixed 4 1 2 3 4
Dosis N fixed 4 0 25 50 75

Analysis of Variance for Hasil Lokasi_1
Source DF SS MS F P

37
37
Kelompok 3 0.02500 0.00833 1.00 0.436
Dosis N 3 4.89000 1.63000 195.60 0.000
Error 9 0.07500 0.00833
Total 15 4.99000

Source DF SS MS F P
Kelompok 3 0.02187 0.00729 0.93 0.466
Dosis N 3 2.71188 0.90396 115.19 0.000
Error 9 0.07063 0.00785
Total 15 2.80438


Source DF SS MS F P
Kelompok 3 0.01000 0.00333 0.26 0.852
Dosis N 3 3.47500 1.15833 90.65 0.000
Error 9 0.11500 0.01278
Total 15 3.60000


Source DF SS MS F P
Kelompok 3 0.01187 0.00396 0.26 0.851
Dosis N 3 0.60687 0.20229 13.42 0.001
Error 9 0.13563 0.01507
Total 15 0.75437


Source DF SS MS F P
Kelompok 3 0.03687 0.01229 2.19 0.159
Dosis N 3 1.64188 0.54729 97.30 0.000
Error 9 0.05062 0.00562
Total 15 1.72938

Means

N N Hasil_1 Hasil_2 Hasil_3 Hasil_4 Hasil_5
0 4 2.2000 2.0250 2.4750 1.9500 2.7000
25 4 3.2500 2.3750 3.3000 2.3500 2.9500
50 4 3.4000 2.3750 3.5750 2.3000 3.1500
75 4 3.6500 3.1500 3.6500 2.4750 3.5750

Berikut ini ANOVA hasil jagung gabungan dari lima lokasi. Perhatikan perbedaannya
dengan ANOVA individual di atas.

38
38
ANOVA: Hasil versus Lokasi; Dosis; Kelompok

Lokasi random 5 1 2 3 4 5
Kelompok(Lokasi) random 4 1 2 3 4
Dosis fixed 4 0 25 50 75


Source DF SS MS F P
Lokasi 4 12.29875 3.07469 436.64 0.000
Kelompok(Lokasi) 15 0.10563 0.00704 0.71 0.762
Dosis 3 11.01737 3.67246 19.09 0.000
Lokasi*Dosis 12 2.30825 0.19235 19.37 0.000
Error 45 0.44687 0.00993
Total 79 26.17688

Means
Lokasi N Hasil
1 16 3.1250
2 16 2.4813
3 16 3.2500
4 16 2.2688
5 16 3.0938

Dosis N Hasil
0 20 2.2700
25 20 2.8450
50 20 2.9600
75 20 3.3000


9. Percobaan Multilokasi dengan Pengamatan Berulang

10. Anova Untuk Analisis Heritabilitas
Heritabilitas (h
2
) dalam arti luas adalah rasio keragaman genotipe (
2
g
) terhadap
keragaman fenotipe(
2
p)
. Keragaman fenotipe adalah
2
g
plus keragaman lingkungan
(
2
e
).

2
g

h
2
= ----

2
p

39
39
Contoh kasus 13:
Delapan varietas barli dipilih untuk diuji daya hasilnya dalam suatu percobaan
rumahkaca. Percobaan menggunakan RAK empat ulangan. Pengamatan bobot 100
biji (g) dicatat sebagai berikut.

Varietas ulangan 1 ulangan 2 ulangan 3 ulangan 4
1 3.9 4.0 3.8 3.9
2 3.7 3.6 3.6 3.7
3 4.5 4.6 4.6 4.7
4 4.3 4.4 4.2 4.3
5 4.1 4.0 4.2 4.1
6 4.2 4.5 4.3 4.5
7 4.3 4.3 4.2 4.3
8 4.2 4.0 4.3 4.1

Entri Data


ANOVA: 100-g versus Ulangan; Varietas

Ulangan fixed 4 1 2 3 4
Varietas random 8 1 2 3 4 5 6 7 8

Analysis of Variance for bobot 100-g

40
40
Source DF SS MS F P
Ulangan 3 0.01375 0.00458 0.48 0.701
Varietas 7 2.41375 0.34482 35.98 0.000
Error 21 0.20125 0.00958
Total 31 2.62875

Source Variance Error Expected Mean Square for Each Term
comp. term (using unrestricted model)
1 Ulangan 3 (3) + Q[1]
2 Varietas 0.08381 3 (3) + 4(2)
3 Error 0.00958 (3)

Means

Varietas N bobot 100-g
1 4 3.9000
2 4 3.6500
3 4 4.6000
4 4 4.3000
5 4 4.1000
6 4 4.3750
7 4 4.2750
8 4 4.1500
Grand Mean 4.1687

Dari tabel di atas diketahui
2
g
= 0,08381;
2
e
= 0,00958. Dengan demikian
2
p
=
2
g
+
2
e
sama dengan 0,09329. Selanjutnya KK genotipe dan fenotipe dihitung seperti
berikut.

0.34482
KK genotipe = x 100 %
4.1687
= 14,09 %

0,09329
KK fenotipe = x 100 %
4.1687
= 7,33 %

41
41
Selanjutnya heritabilitas (dalam arti luas) dihitung sebagai berikut.

0,08381
h
2
= = 0.898.
0,09329

Pada tabel ANOVA ditampilkan deskripsi: faktor, tipe, banyaknya taraf, dan nilai
setiap taraf. ANOVA menunjukkan varietas berpengaruh sangat signifikan terhadap
bobot 100 g barli dengan peluang nyata, P = 0,000.
Berikutnya diperlihatkan komponen ragam varietas (genotipe) dan galat (lingkungan)
dengan nilai berturut-turut 0,08381 dan 0,00958. Selanjutnya secara manual, komponen
ragam fenotipe dihitung dan diperoleh 0,09329.
Dengan diketahuinya nilai dari ketiga komponen ragam,
2
g
= 0,08381;
2
e
= 0,00958;
dan
2
p
= 0,09329, heritabilitas dengan mudah dapat dhitung.
K KK K g ge en no ot ti ip pe e 1 14 4, ,0 09 9 % % b be er ra ar rt ti i s se ek ki it ta ar r 1 14 4 % % k ke er ra ag ga am ma an n b bo ob bo ot t 1 10 00 0 g g h ha as si il l b ba ar rl li i
d di is se eb ba ab bk ka an n k ka ar re en na a p pe er rb be ed da aa an n d di ia an nt ta ar ra a d de el la ap pa an n v va ar ri ie et ta as s. . H Ha al l y ya an ng g s sa am ma a b ba ag gi i K KK K f fe en no ot ti ip pe e
7 7, ,3 33 3 % % y ya an ng g a ar rt ti in ny ya a 7 7, ,3 33 3 % % v va ar ri ia as si i b bo ob bo ot t 1 10 00 0 g g h ha as si il l d di ia ak ki ib ba at tk ka an n o ol le eh h i in nt te er ra ak ks si i f fa ak kt to or r
l li in ng gk ku un ng ga an n d da an n g ge en no ot ti ip pe e b ba ar rl li i. .
B Be er rd da as sa ar rk ka an n n ni il la ai i h he er ri it ta ab bi il li it ta as s d di is si im mp pu ul lk ka an n s si if fa at t b bo ob bo ot t 1 10 00 0 g g t ta an na am ma an n b ba ar rl li i s sa an ng ga at t
d di it te en nt tu uk ka an n o ol le eh h f fa ak kt to or r g ge en ne et ti ik k. . ( (s se em ma ak ki in n d de ek ka at t n ni il la ai i h h
2 2
k ke e 1 1, , s se em ma ak ki in n k ku ua at t f fa ak kt to or r g ge en ne et ti ik k
b be er rp pe er ra an n) ). .

Regresi Dan Korelasi
Contoh kasus:
D Di il la ak ku uk ka an n 1 15 5 p pe en ng ga am ma at ta an n t ti ig ga a k ko om mp po on ne en n t ta an na am ma an n p pa ad di i s sa aw wa ah h h ha as si il l s su ua at tu u p pe er rc co ob ba aa an n. .
U Un nt tu uk k m me en nd du ug ga a m mo od de el l h hu ub bu un ng ga an n a an nt ta ar ra a v va ar ri ia ab be el l h ha as si il l d de en ng ga an n v va ar ri ia ab be el l t ti in ng gg gi i d da an n j ju um ml la ah h
a an na ak ka an n d di il la ak ku uk ka an n a an na al li is si is s r re eg gr re es si i. . D Da at ta a p pe er rc co ob ba aa an n s se eb ba ag ga ai i b be er ri ik ku ut t. .

Pengamatan 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Hasil 5.75 5.94 6.01 6.54 6.73 6.75 6.9 7.86 6.56 6.4 7.92 5.6 5.81 6.33 6.95
Tinggi 110.5 105.4 118.1 104.5 93.6 84.1 77.8 75.6 96.2 92.6 76.4 112.1 109.5 89.8 78.3
Anakan 14 16 15 18 15 18 18 19 17 14 19 13 14 17 18
Entri Data

42
42

Regression Analysis: Hasil versus Tinggi; Anakan

The regression equation is
Hasil = 6.97 - 0.0275 Tinggi + 0.134 Anakan

Predictor Coef SE Coef T P
Constant 6.969 1.844 3.78 0.003
Tinggi -0.027513 0.009236 -2.98 0.012
Anakan 0.13352 0.06599 2.02 0.066

S = 0.3170 R-Sq = 82.2% R-Sq(adj) = 79.2%

Analysis of Variance

Source DF SS MS F P
Regression 2 5.5641 2.7820 27.68 0.000
Residual Error 12 1.2061 0.1005
Total 14 6.7701


11. Aplikasi Analisis Korelasi dalam Sidik Lintas

Contoh kasus:
S Se eb bu ua ah h p pe er rc co ob ba aa an n d di il la ak ku uk ka an n u un nt tu uk k m me en ng ge et ta ah hu ui i p pe er rf fo or rm ma a s se eb bu ua ah h v va ar ri ie et ta as s k ka ac ca an ng g h hi ij ja au u
p pa ad da a l la ah ha an n k ke er ri in ng g y ya an ng g d di ib be er ri i p pu up pu uk k e em mp pa at t j je en ni is s m mu ul ls sa a ( (j je er ra am mi i, , s se er rb bu uk k g ge er rg ga aj ji i, , p pl la as st ti ik k, ,
e el la a s sa ag gu u) ). . P Pe et ta ak k- -p pe et ta ak k p pe er rc co ob ba aa an n d di it ta at ta a m me en nu ur ru ut t R RA AK K t ti ig ga a u ul la an ng ga an n. . K Ka ar ra ak kt te er r t ta an na am ma an n
y ya an ng g d di ic ca at ta at t a ad da al la ah h: : t ti in ng gg gi i t ta an na am ma an n, , j ju um ml la ah h d da au un n, , j ju um ml la ah h c ca ab ba an ng g p pr ro od du uk kt ti if f, , b ba an ny ya ak kn ny ya a
p po ol lo on ng g p pe er r c ca ab ba an ng g, , b ba an ny ya ak kn ny ya a b bi ij ji i p pe er r p po ol lo on ng g, , d da an n b bo ob bo ot t 1 10 00 00 0 b bi ij ji i. . H Ha as si il l p pe en ng ga am ma at ta an n
a ad da al la ah h s se eb ba ag ga ai i b be er ri ik ku ut t. .

K Ka ar ra ak kt te er r U Ul la an ng ga an n J Je er ra am mi i S S. . g ge er rg ga aj ji i P Pl la as st ti ik k E E. . s sa ag gu u
T Ti in ng gg gi i t ta an na am ma an n ( (c cm m) )
1 1 5 56 6. .8 8 6 60 0. .1 1 6 65 5. .3 3 5 55 5. .6 6
2 2 5 52 2. .3 3 6 62 2. .3 3 6 66 6. .4 4 5 53 3. .2 2
3 3 5 50 0. .0 0 6 60 0. .0 0 6 66 6. .4 4 5 50 0. .1 1
J Ju um ml la ah h d da au un n
1 1 9 98 8 8 88 8 1 10 00 0 9 97 7
2 2 1 11 12 2 9 98 8 1 10 03 3 9 99 9
3 3 1 10 03 3 9 97 7 1 12 24 4 8 86 6
C Ca ab ba an ng g p pr ro od du uk kt ti if f
1 1 9 9 1 12 2 1 13 3 1 10 0
2 2 1 10 0 1 12 2 1 14 4 1 10 0
3 3 1 11 1 1 11 1 1 15 5 1 13 3
P Po ol lo on ng g p pe er r c ca ab ba an ng g 1 1 3 35 5 4 40 0 4 42 2 4 41 1

43
43
2 2 2 29 9 4 40 0 4 46 6 3 39 9
3 3 3 38 8 4 4 5 50 0 4 42 2
J Ju um ml la ah h b bi ij ji i p pe er r p po ol lo on ng g
1 1 8 8 9 9 1 10 0 9 9
2 2 9 9 1 11 1 1 13 3 9 9
3 3 1 10 0 8 8 1 12 2 1 10 0
B Bo ob bo ot t 1 10 00 00 0 b bi ij ji i ( (g g) )
1 1 3 31 1 3 33 3 4 41 1 3 35 5
2 2 3 32 2 3 32 2 3 39 9 3 33 3
3 3 2 29 9 3 30 0 4 42 2 3 31 1

P Pe er rh ha at ti ik ka an n k ka as su us s d di i a at ta as s b bo ob bo ot t 1 10 00 00 0 b bi ij ji i a ad da al la ah h h ha as si il l, , s se em me en nt ta ar ra a l li im ma a k ka ar ra ak kt te er r l la ai in nn ny ya a
a ad da al la ah h k ko om mp po on ne en n h ha as si il l. .

E En nt tr ri i d da at ta a

Koefisien korelasi (r) dan nilai-p enam karekater kacang hijau adalah:

Correlations: Tinggi; Daun; Cabang; Polong; Biji; Bobot

Tinggi Daun Cabang Polong Biji
Daun 0.325
0.303

Cabang 0.633 0.277
0.027 0.384

44
44

Polong 0.198 0.173 0.468
0.536 0.591 0.125

Biji 0.545 0.415 0.826 0.640
0.067 0.180 0.001 0.025

Bobot 0.763 0.505 0.687 0.558 0.630
0.004 0.094 0.014 0.060 0.028

MENAMPILKAN HASIL ANALISIS

Hasil analisis statistik yang seperti ANOVA, pembandingan nilai rata-rata, regresi dan
korelasi, dan statistik lainnya biasanya diorganisir dalam bentuk tabel hasil.
Untuk analisis ragam, hasilnya ditampilkan dalam bentuk tabel ANOVA. Satu tabel
ANOVA untuk satu variabel respon. Di bawah tabel biasanya dicantumkan koefisien
keragaman (KK), tanda * atau ** yang menyatakan taraf nyata 5% atau 1%; dan
kadang juga peluang nyata F.
Berikut bentuk tabel untuk hasil analisis Contoh kasus 1.

Tabel Anova Jumlah Bintil Akar Kedelai Varietas Willis Dengan Perlakuan Inokulum

Sumber
Keragaman
Derajat
Bebas
Jumlah
Kuadrat
Kuadrat
Tengah
F
hitung
F
tabel
5% 1%
Dosis inokulum 5 5985,7 1197,1 96,96
**

Galat 18 222,3 12,3
Total 23 6208,0
KK = .....%
** berbeda nyata pada 1%.

Tabel Rata-rata Jumlah Bintil Akar Kedelai Varietas Willis
Dengan Enam Dosis Inokulum

Dosis
(g/100 g)
Ulangan
Rata-rata
I II III IV
0 25 34 31 29 29,75
1 31 35 38 36 35,00
2 50 54 51 52 51,75
3 75 78 80 77 77,50
4 65 61 52 53 57,75
5 60 55 58 57 57,50
Angka rata-rata dengan superskrip yang tidak sama berbeda nyata pada 1%.

Aplikasi Minitab Dalam Perancangan Percobaan Marzuki

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Aplikasi Minitab Dalam Perancangan Percobaan Marzuki

Enviado por

Direitos autorais:

Formatos disponíveis

Bahan bacaan penunjang kuliah

adalah nilai tabel BNT pada taraf nyata ; r

Você também pode gostar